Journals / Uluslararası İktisadi ve İdari İncelemeler Dergisi / 2018 / Sayı: 18
DISCRIMINATING BETWEEN THE GAMMA AND WEIBULL DISTRIBUTIONS FOR GEOMETRIC PROCESS DATA
- Issue
- 2018 · Sayı: 18
- Pages
- 239–252
- DOI
- —
Abstract
To obtain an optimal statistical analysis of the data observed in the applications, the underlying distribution of the data set should be optimally determined. Most of times, the goodness-of-fit tests used when trying to determine the underlying distribution of a data set indicate more than one distribution model to data set. Among the possible distribution models according to the results of the goodness-of-fit tests, the problem of determination of the optimal distribution model for the data set is quite important problem in statistic. In this study, the problem of discriminating between the Gamma and Weibull distributions for geometric process data is investigated according to the ratio of maximum likelihood method. To show the correct selection performance of the method used for discrimination, a comprehensive simulation study is performed and in order to discriminating at fixed level of confidence and power of test, required minimum sample sizes are obtained. In addition, for illustrative purposes, an application is made by using a real data set.
Özet
Uygulamalarda gözlemlenen verilerin en uygun biçimde istatistiksel analizini yapmak için veri kümesinin altında yatan dağılım en uygun biçimde belirlenmelidir. Çoğu zaman, bir veri kümesinin altında yatan dağılımı belirlemeye çalışırken kullanılan uyum iyiliği testleri, veri seti için birden fazla dağılım modelini işaret eder. Uyum iyiliği testlerinin sonuçlarına göre olası dağılım modelleri arasında, veri kümesi için optimal dağılım modelinin belirlenmesi problemi, istatistikte oldukça önemli bir problemdir. Bu çalışmada, geometric süreç verileri için Gamma ve Weibull dağılımları arasındaki ayrım problemi, en çok olabilirlik oran yöntemine göre araştırılmıştır. Ayrımcılık için kullanılan yöntemin doğru seçim performansını göstermek için, kapsamlı bir simülasyon çalışması yapılmış ve belirli bir güven düzeyinde ve test gücünde ayrım yapmak için gerekli minimum örneklem büyüklükleri elde edilmiştir. Buna ek olarak, açıklayıcı amaçlarla, gerçek bir veri seti kullanılarak bir uygulama yapılmıştır.